线性规划算法的改进与在企业管理中的应用.docVIP

改进的线性规划算法及其应用 吕秀杰1，2 辽宁工程技术大学工业工程系，辽宁阜新（123000） E-mail： 其中是阶的矩阵()，，，且． 在许多情况下，线性规划问题并无明显的可行基，通常是引入人工变量后采用大M 法或两阶段法，但都将使计算量增加，同时增加计算机的储存量，而且当线性规划问题出现退化时，采用单纯形法可能产生循环．下面所提出的算法可以有效的避免循环，提高运算速度． 步骤 1：写出约束方程组的增广矩阵，任取一个大于0 的，并以第 t 行(该行称为无基行) 的-倍加入到第行(i = 1，2， …，- 1，+1， …， m) ，使第行的常数项变为0，(为检验数) ；转步骤2． 步骤2：令 = 1，若= 0，j = 1，2， …，n，则此行对应的方程为多余方程，去掉此行，否则取一个下标最小的且满足≠0的项令其为主元实行一次高斯消元，同时将和写在该行左边下对应的位置；令 = +1，当=时令 = +1，重复上述过程直到取完从1到所有不等于的整数为止；转步骤 3． 步骤3：若第行元素0， = 1，2， …，，结束，问题无可行解；否则考查每一个 0，若存在某个H对应的列满足0(取从1到中的不等于 的整数) ，则以为主元进行一次高斯消元，同时将和写在该行左边下对应的位置，并按公式=-0(= 1，2，…， m且不等于t) 修正常数项，按公式= (是修正后的列向量) 修正检验数，然后转步骤 5；否则转步骤 4． 步骤 4：任取一个 0( 取从1到 中的不等于 的整数) ，实行一次高斯消元，同时用和替换该行左边下对应位置的元素，然后转步骤 3； 步骤 5：若所有的检验数大于或等于 0，则得到最优解．否则转步骤 6； 步骤6：找出所有 0对应的列并按θ规划确定每列的主元素，并以这些元素为主元进行相应的试算，试算公式为-，选择 max(-) 对应的主元 为最终的主元进行迭代，若有几个-同时达到最大，则选择i+j最小的对应的主元 为最终主元进行迭代，然后转步骤 5． 1.2 算法分析 1.2.1 准备工作 事实上，一个基本可行解就是方程组的一个自由变量取 0 时的非负特解，能否不引入人工变量像解方程组一样找出这个问题的特解？一般来说比较困难，就算找到一个特解也无法保证其可行性，但我们仔细研究一下辅助问题的求解过程，注意到以下 3 点： 1) 解辅助问题的过程，就是将人工变量逐个从基变量中换出的过程，每换一个作一次迭代运算． 2) 每作一次迭代运算，实质上决定了一个非人工变量作基变量，并将其系数列变为单位向量． 3)每次迭代前总要通过计算“最小比值”来确定主元以保证基本解的可行性． 基于上述三点，，，，然后以此为主元进行高斯消元，步骤1的作用在这里体现出来了，因为不管这个非0元是正是负，由于步骤1已把有基行的常数项均变为0，这样我们以为主元进行消元时可以保证对应的基变量是可行的，因为 对应的常数项是 0，保证了其可行性．同时我们是在每一个有基行中找第一个非 0元为主元进行消去的，这样可以保证选择的主元不在同一列，而对于无基行，我们在步骤3中点明了以下几种情况： (1) 当无基行在迭代表中对应的， j = 1，2， …，均小于等于0时，则没有可行解．因为无基n行对应的常数项大于 0，且，左边小于等于0而右边 大于 0，矛盾； (2) 在无基行中选择一个大于 0 的项，如果这项对应的列中所有项 (i 取 从1到 中的所有不等于的整数) 均小于等于 0，则以为主元进行高斯消元，同时将和写在该行左边对应的位置，这样各行均为有基行，并且可以保证各行对应的常数项均大于等于0，即保证了解的可行性，这样就找到了一个非负特解即初始可行解； (3) 如果对于每一个 0，其所对应的列中有 0，则以为主元进行高斯消元，同时用和替换该行左边下对应的位置上的元素；再看(2) 是否成立，不成立继续进行(3) ． 下述定理可以保证在有限步迭代后若问题有可行解，则步骤 3 中的第二种情况成立； 定理 1　步骤4 经有限步迭代后产生两种情况：(1) 该问题没有可行解； (2) 找到一个初始可行解． 证明　对于经步骤 2 消元后的初始表的无基行最右边引入人工变量，以及在表中检验数上一行内引入辅助目标函数 = ，同时修正 ，并把其对于各变量的检验数依次写入相应位置，且在最下方填入． 　若不看人工变量这一列，则原来的无基行第行与第一阶段的目标函数行对应的项均相等，第行的系数， = 1，2， …，n就是相应的检验数，且在主元选在第行之前上述对应关系不变．因此无基行中的正系数所在列按最小比值选主元时，自然等价于第一阶段目标函数 行的正检验数所在列按最小比值选主元，所以当0， = 1，2， …，n时，这种问题无可行解的情况相当于对第一阶段的检验数全为非正，从而得第一阶段的最优解